核心詞：MHYVP 礦用 防爆 通信 電纜 
　　局部放電是一種常見的電氣放電現象,它是電氣設備在長期運行時絕緣發生損壞的一種征兆。局部放電類型與程度與絕緣缺陷緊密相關,放電信號識別的目的就是要準確找出信號來源,判斷其危害性。因此,局部放電的模式識別技術的實現就具有相當重要的學術價值和工程實用性。隨著深度學習的方法的提出和不斷發展,各種類型的網絡結構和優化算法相繼被提出。深度學習的方法能夠對大規模的數據進行處理,使用無監督的學習來提取輸入的特征,并用深層次的結構發現輸入的深層次特征。
　　1、MHYVP礦用防爆通信電纜:深度學習的發展和廣泛應用為局部放電模式識別和故障診斷開辟了一個新的研究方向
　　因此,深度學習的發展和不斷廣泛應用,為局部放電模式識別和故障診斷開拓了新的研究方向。
　　2、MHYVP礦用防爆通信電纜:本文采用的傳感器是一種基于羅氏線圈原理的電流傳感器
　　本文在實驗采集數據過程中,運用的傳感器是一種基于Rogowski線圈(簡稱羅式線圈)原理制作成的電流傳感器。
　　3、MHYVP礦用防爆通信電纜:羅氏線圈具有精度高
　　羅氏線圈具有準確度高、體積小、成本低、適合量產等優勢,已經在如電子式電流互感器等測量裝置中得到了應用。Rogowski線圈是由單導線均勻密布纏繞在由構成的一個環形骨架上構成的,線圈一般為兩層,被測電流會成度角穿過骨架圓環的中心點時,就會在環形骨架的橫截面上產生變化的交變磁通,并且會隨著線圈一次側的電流改變而變化,隨之會在線圈的二次側繞組上感應到電流和電動勢,而且二次側的感應電動勢與一次側輸入信號電流成微分比例關系,這樣一來就可以在二次側繞組上接一個采樣電阻組成采樣回路,然后就能通過采樣電阻兩端的電壓來分析其自積分變換過程,最后就能得出一次側采樣信號變化過程的規律。對于電樹放電,礦用電纜設置油紙絕緣模型,進行如下實驗。為不同加壓階段的局部放電特性,首先應當測量觀察試品的耐壓特性。對模型進行階梯升壓,并觀察其現象。局部放電在約交流電壓有效值3.5kV出現,此時屬于局部放電起始階段,放電次數和放電量都較小,放電點在工頻正、負半周上的分布范圍很小,放電量只有100pC左右,且均勻狀隨機分布。
　　4、MHYVP礦用防爆通信電纜:隨著RMS電壓升高到6kV左右
　　隨著電壓有效值升高到約6kV后,局部放電的放電次數大大增加,放電量逐漸增加到近數百至數千pC的數量級內。
　　5、MHYVP礦用防爆通信電纜:工頻相位和放電的分布逐漸顯現
　　并逐漸表現出工頻相位和放電量上的分布規律。局部放電逐漸發展到工頻全相位分布,特征逐漸不明顯,此時已經接近了臨近擊穿狀態。為了保護試驗設備免受擊穿沖擊,實驗不再升壓,而是逐步將電壓歸零。之后,并在有效值6kV附近多次測量。對試品進行階梯升壓,并觀察放電的起始、發展和臨近擊穿階段。局部放電最初出現在工頻相位90°附近,放電重復率較小。發展階段工頻正半周的放電重復率和放電量有著顯著的增長。最大放電量逐步增加到10nC數量級。繼續加壓后,放電分布的范圍進一步增大。實驗出現了短暫的電弧擊穿現象,并時常伴隨著爆裂的聲音。本文提取的放電特征量是放電脈沖幅值附近的200個點,所以BP網絡的輸入神經元個數是200,BP神經網絡的輸出相量代表的局部放電模式類型,對應于本文模擬實驗的兩種放電模型,輸出相量元素為2個,所以BP網絡的輸出神經元個數為2,每一個神經元對應一種放電模式類型。表3-1列出了2種模式類型的信號。

隱含層神經元個數太多,網絡學習能力強,但網絡的計算和數據的存儲量很大;根據輸入層和輸出層的數目,經過反復仔細調試,最終選擇隱含層神經元為10個。BP網絡的訓練是一個反復計算調整的過程,首先隨機產生權值介于之間的權值相量初始矩陣。計算從輸入層到隱含層的輸出,然后計算隱含層輸出到輸出層的輸出;按照誤差反饋計算方法,修正權值矩陣;如此重復前向和反向計算,直到實際輸出和導師信號的誤差在允許范圍之內。將四種放電模式各20組特征量輸入到BP網絡,以完成網絡的學習過程。隨后再將每種放電模式剩余的20組特征量輸入到已經學習好的BP網絡進行識別,表5-2為識別的結果。表中正確率。
　　6、MHYVP礦用防爆通信電纜:它是被認為是正確識別的輸出的總數
　　為輸出量中被認為是正確識別的的總數,而是進行識別的樣本總數如果一個輸出量只的值超過0.8,我們就認為它是被正確識別的,可靠率,即所有正確識別的輸出量的平均值。由識別結果可知,對絕大多數信號,BP網絡是能夠識別的,但存在少數個別的信號,網絡無法識別。
　　7、MHYVP礦用防爆通信電纜:但電腦能分辨出來
　　有的信號雖然憑肉眼看不出差別,但計算機足以區分它們的差異。這也說明了BP神經網絡可以運用于XLPE絕緣局部放電模式識別系統中。綜合考慮了各個參數對羅式線圈的影響,設計出符合檢測XLPE電纜的電流傳感器。通過后期的實驗,證實基于Rogowski線圈原理的電流傳感器在電纜局部放電放檢測中可以準確的檢測出放電信號。
　　8、MHYVP礦用防爆通信電纜:設計了BP神經網絡
　　設計BP神經網絡,將提取到的特征量用來對網絡的訓練和測試,測試結果表明該網絡對不同類型的放電識別的平局正確率為91.25%。
　　9、MHYVP礦用防爆通信電纜:這證明了放電特征的提取具有典型的代表意義
　　這證明了放電特征量的提取具有典型代表意義,并且即網絡可以正確的識別電纜局部放電模式。
　　如果您對“MHYVP礦用防爆通信電纜”感興趣，歡迎您聯系我們